-
HINTERGRUND
-
1. Technisches Gebiet
-
Die Offenbarung betrifft ein Fahrzeug sowie ein Steuerungsverfahren dafür, welches eine Aufmerksamkeitswarnung für den Fahrer ausgeben kann.
-
2. Beschreibung des Stands der Technik
-
Im Allgemeinen ist ein Fahrzeug mit einem Fahreraufmerksamkeitswarnsystem (DAW) ausgestattet, das einen Fahreraufmerksamkeitsgrad ermittelt und eine Warnung ausgibt, wenn der Fahreraufmerksamkeitsgrad unter einem bestimmten Schwellenwert liegt.
-
In diesem Fall ermittelt das DAW-System den Fahreraufmerksamkeitsgrad auf Grundlage der Fahrdaten des Fahrzeugs. Da der Fahreraufmerksamkeitsgrad jedoch nach einem einheitlichen Standard für Fahrdaten ermittelt wird, werden die Fahrcharakteristiken der einzelnen Fahrer oder die tatsächlichen Fahrcharakteristiken möglicherweise nicht berücksichtigt.
-
Dementsprechend kann eine Aufmerksamkeitswarnung für verschiedene Fahrer mit unterschiedlichem Fahrstil gleich ausgegeben werden. Ebenfalls kann eine Aufmerksamkeitswarnung auch in einer Situation ausgegeben werden, in der es viele Umdrehungen auf einem Fahrweg gibt, d.h. es kann eine Aufmerksamkeitswarnung ausgegeben werden, die nicht zu der Situation passt. Im Gegensatz dazu kann eine Aufmerksamkeitswarnung in einer Situation, in der die Aufmerksamkeit des Fahrers tatsächlich erforderlich ist, nicht ausgegeben werden.
-
DARSTELLUNG
-
Ein Aspekt der Offenbarung stellt ein Fahrzeug und ein Steuerungsverfahren dafür bereit, das einen Fahreraufmerksamkeitsgrad, der durch eine Ausgabe eines neuronalen Netzes erhalten wird, mit einem Fahreraufmerksamkeitsgrad, der durch eine Ausgabe eines Fahreraufmerksamkeitswarnsystems (DAW) erhalten wird, vergleichen kann, wodurch eine Fahreraufmerksamkeitswarnung auf genauere Art und Weise ausgegeben wird.
-
Zusätzliche Aspekte der Offenbarung werden zum Teil in der folgenden Beschreibung dargelegt und sind zum Teil aus der Beschreibung ersichtlich oder können durch praktische Anwendung der Offenbarung erlernt werden.
-
Gemäß einer Ausführungsform der Offenbarung wird ein Aufmerksamkeitswarnsystem für ein Fahrzeug bereitgestellt, wobei das System aufweist: eine Nutzerschnittstelle; ein Fahreraufmerksamkeitswarnsystem (DAW), das derart konfiguriert ist, dass es einen ersten Fahreraufmerksamkeitsgrad auf Grundlage von Fahrdaten bestimmt, und falls der erste Fahreraufmerksamkeitsgrad kleiner oder gleich einem Schwellenwert ist, die Nutzerschnittstelle dahingehend steuert, eine Warnung auszugeben; sowie eine Steuerung, die derart konfiguriert ist, dass sie einen zweiten Fahreraufmerksamkeitsgrad auf Grundlage einer Ausgabe eines neuronalen Netzes zu Fahrdaten bestimmt und den ersten Fahreraufmerksamkeitsgrad und den zweiten Fahreraufmerksamkeitsgrad in vorbestimmten Zeitabschnitten vergleicht. Das System kann den Schwellenwert in einer abnehmenden Richtung einstellen, falls: (a) eine verglichene Differenz zwischen dem ersten Fahreraufmerksamkeitsgrad und dem zweiten Fahreraufmerksamkeitsgrad als größer oder gleich einem vorbestimmten Wert bestimmt wird, und (b) eine Anzahl der verglichenen Differenzen, die gleich oder größer als der vorbestimmte Wert sind, eine Anzahl von Malen erkannt wird, die größer oder gleich einer vorbestimmten Anzahl von Malen ist, und das neuronale Netz kann konfiguriert sein, mit Fahrdaten und dem ersten Fahreraufmerksamkeitsgrad trainiert zu werden.
-
Die Steuerung ist ferner derart konfiguriert, dass sie einen Datensatz bestimmt, der Fahrdaten beinhaltet, die für einen vorbestimmten Fahrzeitabschnitt erhalten werden, und der erste Fahreraufmerksamkeitsgrad entspricht jedem der Fahrdaten, die für den vorbestimmten Fahrzeitabschnitt erhalten werden.
-
Die Steuerung ist ferner derart konfiguriert, dass sie das neuronale Netz mit einem ersten Datensatz trainiert, der einem vorbestimmten Verhältnis aus dem Datensatz entspricht, und eine Genauigkeit des neuronalen Netzes auf Grundlage von Fahrdaten eines zweiten Datensatzes bestimmt, der den ersten Datensatz aus dem Datensatz ausschließt.
-
Die Steuerung ist ferner derart konfiguriert, dass sie den zweiten Fahreraufmerksamkeitsgrad als Ausgabe des neuronalen Netzes ermittelt, das Fahrdaten des zweiten Datensatzes als Eingabe empfängt, und den ermittelten zweiten Fahreraufmerksamkeitsgrad mit dem ersten Fahreraufmerksamkeitsgrad des zweiten Datensatzes vergleicht, um die Genauigkeit des neuronalen Netzes zu ermitteln.
-
Die Steuerung ist ferner derart konfiguriert, dass sie zumindest eines der folgenden Elemente einstellt: ein Gewicht, eine Vorspannung und/oder eine Aktivierungsfunktion des neuronalen Netzes, um dadurch die Genauigkeit des neuronalen Netzes zu erhöhen.
-
Die Steuerung ist ferner derart konfiguriert, dass sie das neuronale Netz in jedem vorbestimmten Fahrzeitabschnitt trainiert.
-
Die Steuerung ist ferner derart konfiguriert, dass sie den zweiten Fahreraufmerksamkeitsgrad durch ein neuronales Netz ermittelt, das einem aktuellen Fahrer auf Grundlage von neuronalen Netzinformationen für jeden Fahrer entspricht.
-
Die Steuerung ist ferner derart konfiguriert, dass sie einen Zählwert um 1 erhöht, wenn ein Zustand eintritt, bei dem die Differenz zwischen dem ersten Fahreraufmerksamkeitsgrad und dem zweiten Fahreraufmerksamkeitsgrad größer oder gleich dem vorbestimmten Wert ist, und den Schwellenwert in abnehmender Richtung einstellt, wenn der Zählwert größer oder gleich der vorbestimmten Anzahl von Malen ist.
-
Die Steuerung ist ferner derart konfiguriert, dass sie den Zählwert initialisiert, wenn ein Fahrerwechsel stattfindet oder das Fahrzeug ausgeschaltet wird.
-
Die Steuerung ist ferner derart konfiguriert, dass sie den Zählwert im Laufe der Zeit in eine abnehmende Richtung einstellt.
-
Die Fahrdaten umfassen zumindest eines der folgenden Elemente: einen Spurverlassenszustand, einen Lenkwinkel, ein Lenkdrehmoment, eine Geschwindigkeit, einen Gaspedalzustand, einen Bremspedalzustand, einen Steuerungszustand eines intelligenten Geschwindigkeitsreglers (SCC), einen Blinkersteuerungszustand, einen Notlichtsteuerungszustand, einen Türöffnungs-Z-schließungszustand, einen Sicherheitsgurtanlegezustand, eine Längs-/Seitenbeschleunigung, eine Raddrehzahl, eine Gangstufe und/oder eine Fahrzeit nach einer Pause.
-
Gemäß einer Ausführungsform der Offenbarung wird ein Steuerungsverfahren für ein Fahrzeug bereitgestellt. Das Verfahren kann den Schritt des Bereitstellens einer Nutzerschnittstelle und eines DAW-Systems umfassen, die derart konfiguriert sind, dass sie einen ersten Fahreraufmerksamkeitsgrad auf Grundlage von Fahrdaten ermitteln, und falls der erste Fahreraufmerksamkeitsgrad kleiner oder gleich einem Schwellenwert ist, die Nutzerschnittstelle derart steuern, dass sie eine Warnung ausgibt. Das Steuerungsverfahren umfasst: Ermitteln eines zweiten Fahreraufmerksamkeitsgrads auf Grundlage einer Ausgabe eines neuronalen Netzes zu Fahrdaten; mehrmaliges Vergleichen des ersten Fahreraufmerksamkeitsgrades und des zweiten Fahreraufmerksamkeitsgrades zu vorbestimmten Zeitabschnitten; Einstellen des Schwellenwerts in einer abnehmenden Richtung, wenn (a) eine verglichene Differenz zwischen dem ersten Fahreraufmerksamkeitsgrad und dem zweiten Fahreraufmerksamkeitsgrad als größer oder gleich einem vorbestimmten Wert ermittelt wird, und (b) eine Anzahl von verglichenen Differenzen, die gleich oder größer als der vorbestimmte Wert sind, für eine Anzahl von Malen erkannt wird, die größer oder gleich einer vorbestimmten Anzahl von Malen ist, wobei das neuronale Netz konfiguriert ist, um mit Fahrdaten und dem ersten Fahreraufmerksamkeitsgrad trainiert zu werden.
-
Das Steuerungsverfahren umfasst ferner das Ermitteln eines Datensatzes mit Fahrdaten, die für einen vorbestimmten Fahrzeitabschnitt erhalten werden, und der erste Fahreraufmerksamkeitsgrad entspricht den Fahrdaten, die für den vorbestimmten Fahrzeitabschnitt erhalten werden.
-
Das Steuerungsverfahren umfasst ferner das Trainieren des neuronalen Netzes mit einem ersten Datensatz, der einem vorbestimmten Verhältnis in dem Datensatz entspricht, und das Ermitteln einer Genauigkeit des neuronalen Netzes auf Grundlage von Fahrdaten eines zweiten Datensatzes, der den ersten Datensatz aus dem Datensatz ausschließt.
-
Das Ermitteln der Genauigkeit des neuronalen Netzes umfasst: Ermitteln des zweiten Fahreraufmerksamkeitsgrades als eine Ausgabe des neuronalen Netzes, das Fahrdaten des zweiten Datensatzes als eine Eingabe empfängt; und Vergleichen des ermittelten zweiten Fahreraufmerksamkeitsgrades mit dem ersten Fahreraufmerksamkeitsgrad des zweiten Datensatzes, um die Genauigkeit des neuronalen Netzes zu ermitteln.
-
Das Steuerungsverfahren umfasst ferner das Einstellen zumindest eines der folgenden Elemente: ein Gewicht, eine Vorspannung und/oder eine Aktivierungsfunktion des neuronalen Netzes, um dadurch die Genauigkeit des neuronalen Netzes zu erhöhen.
-
Das Training des neuronalen Netzes umfasst das Training des neuronalen Netzes in jedem vorbestimmten Fahrtzeitabschnitt.
-
Das Ermitteln des zweiten Fahreraufmerksamkeitsgrads umfasst das Ermitteln des zweiten Fahreraufmerksamkeitsgrads durch ein neuronales Netz, das einem aktuellen Fahrer entspricht, basierend auf neuronalen Netzinformationen für jeden Fahrer.
-
Das Einstellen des Schwellenwerts in abnehmender Richtung umfasst: Erhöhen eines Zählwerts um 1, wenn die Differenz zwischen dem ersten Fahreraufmerksamkeitswert und dem zweiten Fahreraufmerksamkeitswert größer als oder gleich dem vorbestimmten Wert ist; und Einstellen des Schwellenwerts in abnehmender Richtung, wenn der Zählwert größer als oder gleich der vorbestimmten Anzahl von Malen ist.
-
Das Einstellen des Schwellenwerts in abnehmender Richtung umfasst das Initialisieren des Zählwerts bei einem Fahrerwechsel oder beim Abstellen des Fahrzeugs.
-
Das Einstellen des Schwellenwerts in abnehmender Richtung umfasst das Einstellen des Zählwerts in abnehmender Richtung im Laufe der Zeit.
-
Die Fahrdaten umfassen zumindest eines der folgenden Elemente: einen Spurverlassenszustand, einen Lenkwinkel, ein Lenkdrehmoment, eine Geschwindigkeit, einen Gaspedalzustand, einen Bremspedalzustand, einen Steuerungszustand eines intelligenten Geschwindigkeitsreglers (SCC), einen Blinkersteuerungszustand, einen Notlichtsteuerungszustand, einen Türöffnungs-Z-schließungszustand, einen Sicherheitsgurtanlegezustand, eine Längs-/Seitenbeschleunigung, eine Raddrehzahl, eine Gangstufe und/oder eine Fahrzeit nach einer Pause.
-
Figurenliste
-
Diese und/oder andere Aspekte der Offenbarung werden aus der folgenden Beschreibung der Ausführungsformen in Zusammenschau mit den beigefügten Zeichnungen ersichtlich und leichter verständlich:
- 1 ist ein Steuerblockdiagramm, das ein Fahrzeug gemäß einer Ausführungsform zeigt;
- 2 ist ein Diagramm, das ein Beispiel für die Anzeige des Aufmerksamkeitsgrads des Fahrers durch ein Fahrzeug gemäß einer Ausführungsform darstellt;
- 3 ist ein Diagramm, das ein Beispiel für die Ausgabe einer Aufmerksamkeitswarnung durch ein Fahrzeug gemäß einer Ausführungsform darstellt;
- 4 zeigt ein Beispiel, bei dem ein Fahrzeug gemäß einer Ausführungsform ein neuronales Netz trainiert;
- 5 zeigt einen Datensatz gemäß einer Ausführungsform;
- 6 zeigt ein Beispiel, bei dem ein Fahrzeug gemäß einer Ausführungsform die von einem Fahreraufmerksamkeitswarnsystem (DAW) und einem neuronalen Netz ausgegebenen Fahreraufmerksamkeitswerte vergleicht;
- 7 zeigt den Unterschied im Aufmerksamkeitsgrad des Fahrers, der von einem DAW-System und einem neuronalen Netz gemäß einer Ausführungsform ausgegeben wird;
- 8 ist ein Ablaufdiagramm, das die Abläufe des Trainings eines neuronalen Netzes in einem Steuerungsverfahren für ein Fahrzeug gemäß einer Ausführungsform veranschaulicht; und
- 9 ist ein Ablaufdiagramm, das die Vorgänge zur Verringerung eines Schwellenwerts gemäß einer Ausführungsform zeigt.
-
AUSFÜHRLICHE BESCHREIBUNG
-
Gleiche Bezugszeichen bezeichnen in der gesamten Beschreibung gleiche Elemente. Ferner werden in dieser Beschreibung nicht alle Elemente gemäß den Ausführungsformen der Offenbarung beschrieben, und Beschreibungen, die auf dem Gebiet der Technik, auf das sich die Offenbarung bezieht, bekannt sind, oder sich überschneidende Teile werden weggelassen.
-
Wenn ein Element als mit einem anderen Element „verbunden“ bezeichnet wird, kann es direkt oder indirekt mit dem anderen Element verbunden sein, wobei die indirekte Verbindung eine „Verbindung“ über ein drahtloses Kommunikationsnetz einschließt.
-
Es versteht sich, dass der Begriff „aufweisen“, wenn er in dieser Beschreibung verwendet wird, das Vorhandensein bestimmter Merkmale, ganzer Zahlen, Schritte, Operationen, Elemente und/oder Komponenten spezifiziert, aber nicht das Vorhandensein oder Hinzufügen eines oder mehrerer anderer Merkmale, ganzer Zahlen, Schritte, Operationen, Elemente, Komponenten und/oder Gruppen davon ausschließt.
-
Es wird angemerkt, dass die Singularformen auch die Pluralformen einschließen, es sei denn, aus dem Kontext geht eindeutig etwas anderes hervor.
-
Die Begriffe wie „-Teil“, „-Gerät“, „-Block“, „-Element“, „-Modul“ und dergleichen können sich auf eine Einheit zur Verarbeitung zumindest einer Funktion oder eines Vorgangs beziehen. Die Begriffe können sich zum Beispiel auf zumindest einen Prozess beziehen, der von zumindest einer Hardware, wie etwa einem Field-Programmable Gate Array (FPGA)/einer anwendungsspezifischen integrierten Schaltung (ASIC), einer in Speichern oder Prozessoren gespeicherten Software verarbeitet wird.
-
Es versteht sich, dass der Begriff „Fahrzeug“ oder ein ähnlicher Begriff, wie er hier verwendet wird, Kraftfahrzeuge im Allgemeinen umfasst, wie etwa Personenkraftwagen einschließlich Sport Utility Vehicles (SUV), Busse, Lastkraftwagen, verschiedene Nutzfahrzeuge, Wasserfahrzeuge einschließlich einer Vielzahl von Booten und Schiffen, Flugzeuge und dergleichen, und auch Hybridfahrzeuge, Elektrofahrzeuge, Plug-in-Hybrid-Elektrofahrzeuge, wasserstoffbetriebene Fahrzeuge und andere Fahrzeuge mit alternativen Kraftstoffen (zum Beispiel Kraftstoffe, die aus anderen Ressourcen als Erdöl gewonnen werden). Ein Hybridfahrzeug ist ein Fahrzeug, das über zwei oder mehr Antriebsquellen verfügt, zum Beispiel sowohl benzinbetriebene als auch elektrisch betriebene Fahrzeuge.
-
Die für die Verfahrensschritte verwendeten Bezugszeichen dienen nur der einfacheren Erklärung, nicht jedoch der Einschränkung der Reihenfolge der Schritte. Sofern der Kontext nicht eindeutig etwas anderes vorschreibt, kann die schriftliche Reihenfolge also auch anders ausgeführt werden.
-
Nachfolgend werden Ausführungsformen eines Fahrzeugs und eines Steuerungsverfahrens eines Fahrzeugs gemäß einem Aspekt der Offenbarung unter Bezugnahme auf die beigefügten Zeichnungen ausführlich beschrieben.
-
1 ist ein Steuerblockdiagramm, das ein Fahrzeug gemäß einer Ausführungsform zeigt.
-
Unter Bezugnahme auf 1 umfasst ein Fahrzeug 10 gemäß einer Ausführungsform ein Fahreraufmerksamkeitswarnsystem (DAW) 110, eine Steuerung 120, eine Nutzerschnittstelle 130 und einen Speicher 140. Hier ermittelt das DAW-System 110 einen Fahreraufmerksamkeitsgrad und, wenn der Fahreraufmerksamkeitsgrad kleiner oder gleich einem Schwellenwert ist, steuert dahingehend, eine Aufmerksamkeitswarnung für den Fahrer auszugeben. Die Steuerung 120 trainiert ein neuronales Netz und passt den Schwellenwert des DAW-Systems 110 auf Grundlage einer Ausgabe des neuronalen Netzes an. Die Nutzerschnittstelle 130 gibt die Fahreraufmerksamkeitswarnung aus, und der Speicher 140 speichert verschiedene Informationen, die zur Steuerung des neuronalen Netzes usw. erforderlich sind.
-
Gemäß einer Ausführungsform kann das DAW-System 110 den Fahreraufmerksamkeitsgrad unter Verwendung von Fahrdaten und/oder Bilddaten eines Fahrers ermitteln, und falls der Fahreraufmerksamkeitsgrad kleiner oder gleich einem vorbestimmten Schwellenwert ist, die Nutzerschnittstelle 130 dahingehend steuern, die Aufmerksamkeitswarnung auszugeben.
-
Gemäß einer Ausführungsform kann die Steuerung 120 das neuronale Netz auf Grundlage der Fahrdaten und des von dem DAW-System 110 auf Grundlage der Fahrdaten ermittelten Fahreraufmerksamkeitsgrads trainieren.
-
Gemäß einer Ausführungsform kann die Steuerung 120 den Fahreraufmerksamkeitsgrad auf Grundlage der Ausgabe des neuronalen Netzes zu den Fahrdaten ermitteln und den vom DAW-System 110 ermittelten Fahreraufmerksamkeitsgrad (im Folgenden: erster Fahreraufmerksamkeitsgrad) mit dem vom neuronalen Netz ermittelten Fahreraufmerksamkeitsgrad (im Folgenden: zweiter Fahreraufmerksamkeitsgrad) vergleichen, um zu ermitteln, ob der Schwellenwert eingestellt werden soll.
-
Insbesondere kann die Steuerung 120 zählen, wie oft eine Differenz zwischen dem ersten Fahreraufmerksamkeitsgrad und dem zweiten Fahreraufmerksamkeitsgrad größer oder gleich einem vorbestimmten Wert ist, und wenn ein Zählwert größer oder gleich einem vorbestimmten Wert ist (eine vorbestimmte Anzahl von Malen), das DAW-System 110 derart steuern, dass der Schwellenwert in eine abnehmende Richtung eingestellt wird.
-
Das heißt, indem eine Zuverlässigkeit der Ausgabe des neuronalen Netzes gegenüber einer Zuverlässigkeit der Ausgabe des DAW-Systems 110 priorisiert wird, kann die Steuerung 120 den Schwellenwert in abnehmender Richtung einstellen, um die Empfindlichkeit des DAW-Systems 110 zu erhöhen, wenn eine Differenz in der Ausgabe des DAW-Systems 110 im Vergleich zur Ausgabe des neuronalen Netzes auftritt. Dementsprechend kann der für die Ausgabe der Fahreraufmerksamkeitswarnung erforderliche Fahreraufmerksamkeitsgrad gesenkt werden, und somit kann das Fahrzeug 10 einen anormalen Zustand des Fahrers empfindlicher erkennen, wodurch das Risiko eines Unfalls verringert wird.
-
Darüber hinaus kann das neuronale Netz zur Einstellung des Schwellenwerts für jeden Fahrer bereitgestellt und trainiert werden, so dass die Aufmerksamkeitswarnung für jeden Fahrer unter Berücksichtigung seiner Fahrweise ausgegeben werden kann.
-
Das Training des neuronalen Netzes und Anpassen des Schwellenwerts des DAW-Systems 110 mittels der Ausgabe des trainierten neuronalen Netzes durch die Steuerung 120 werden später noch einmal genauer beschrieben.
-
Die Steuerung 120 kann zumindest einen Speicher, in dem ein Programm zur Durchführung der vorgenannten und der nachstehend beschriebenen Vorgänge gespeichert ist, und zumindest einen Prozessor zur Implementierung eines gespeicherten Programms aufweisen. Wenn eine Vielzahl von Speichern und Prozessoren bereitgestellt sind, können diese in einen Chip integriert sein oder an räumlich getrennten Stellen untergebracht werden.
-
Offenbarte Systeme können mit zumindest einem nichttransitorischen Speicher implementiert werden, der zumindest ein Softwareprogramm speichert, das einen computerausführbaren Code aufweist, der von zumindest einem Prozessor ausgeführt werden kann, um: (a) verschiedene computerimplementierte Funktionen auszuführen, und/oder (b) zumindest ein Steuersignal an einen Aktuator zu übertragen, um eine mechanisch implementierte Funktion auszuführen. In zumindest einer Ausführungsform ist der Speicher derart konfiguriert, dass er computerausführbaren Code speichert, der unveränderlich sein kann, im Laufe der Zeit kontinuierlich aktualisiert wird und/oder nach verschiedenen Techniken des maschinellen Lernens trainiert wird, zum Beispiel überwachtes Lernen, nicht überwachtes Lernen, halbüberwachtes Lernen und Verstärkungslernen. Solche Techniken können einen entsprechenden maschinellen Lernalgorithmus implementieren, zum Beispiel lineare Regression, logistische Regression, Entscheidungsbaum, SVM-Algorithmus, Naive-Bayes-Algorithmus, KNN-Algorithmus, K-means, Random-Forest-Algorithmus, Algorithmen zur Dimensionalitätsreduktion, Gradient-Boosting-Algorithmus und Ada-Boosting-Algorithmus. Der Prozessor kann derart konfiguriert sein, dass er selektiv Aspekte des computerausführbaren Codes ausführt, um einen oder mehrere Prozesse bei einem definierten Ereignis, einer Nutzeranforderung und in manchen Fällen unabhängig ohne Nutzereingabe durchzuführen.
-
Die Steuerlogik der vorliegenden Offenbarung kann als computerlesbares Medium auf einem computerlesbaren Medium (zum Beispiel einem „Speicher“) verkörpert sein, das Daten einschließlich computerausführbarer Programmanweisungen enthält, die selektiv von einem Prozessor, einer Steuerung, einem Modul, einer Einheit oder dergleichen ausgeführt werden können. In manchen Ausführungsformen können die Daten und/oder Anweisungen auch in netzgekoppelten Computersystemen verteilt werden, zum Beispiel durch ein vernetztes Client-Server-System, einen Telematikserver und/oder ein Controller Area Network (CAN).
-
In manchen Ausführungsformen können separate Programme und die unterstützende elektronische Hardware zur Ausführung dieser Programme einzeln als „Modul“ bezeichnet werden, um die hierin enthaltenen Angaben wirksam zu erklären und zu ermöglichen. In manchen Fällen kann ein Modul speziell benannt werden und/oder eine beschreibende Bezeichnung enthalten, die dem Typ oder der Funktion des Moduls entspricht. Der Plural „Module“ kann sich auf zumindest ein Modul beziehen, zum Beispiel ein erstes Modul, ein zweites Modul usw.
-
Eine beispielhafte entsprechende Struktur eines „Moduls“, einer „Einheit“ und/oder einer „Steuerung“ kann eine oder mehrere der folgenden Komponenten umfassen: zumindest eine zentrale Verarbeitungseinheit (CPU), die derart konfiguriert ist, dass sie Computerprogrammanweisungen ausführt, um verschiedene Prozesse und Verfahren durchzuführen, einen Direktzugriffsspeicher (RAM) und einen Festwertspeicher (ROM), die derart konfiguriert sind, dass sie auf Daten und Informationen sowie Computerprogrammanweisungen zugreifen und diese speichern, Eingabe-/Ausgabegeräte (E/A), die derart konfiguriert sind, dass sie Eingaben und/oder Ausgaben für die Verarbeitungssteuerung bereitstellen (zum Beispiel, Tastatur, Maus, Bildschirm, Lautsprecher, Drucker, Modems, Netzkarten usw.), und Speichermedien oder andere geeignete Speichertypen (z.B., wie etwa RAM, ROM, programmierbarer Festwertspeicher (PROM), löschbarer programmierbarer Festwertspeicher (EPROM), elektrisch löschbarer programmierbarer Festwertspeicher (EEPROM), Magnetplatten, optische Platten, Disketten, Festplatten, herausnehmbare Kassetten, Flash-Laufwerke, jede Art von greifbarem und nicht übertragbarem Speichermedium), auf dem Daten und/oder Anweisungen gespeichert werden können. Das Modul/die Einheit/die Steuerung kann optional umfassen: Antennen, Netzwerkschnittstellen, die eine drahtlose und/oder drahtgebundene digitale und/oder analoge Schnittstelle zu einem oder mehreren Netzen über eine oder mehrere Netzverbindungen bereitstellen, eine Stromquelle, die eine geeignete Wechselstrom- (AC) oder Gleichstromquelle (DC) bereitstellt, und einen Bus, der die Kommunikation zwischen den verschiedenen offenbarten Komponenten ermöglicht.
-
Es versteht sich, dass die beispielhaften Prozesse von einem einzigen Modul/Einheit/Steuerung oder einer Vielzahl von Modulen/Einheiten/Steuerung durchgeführt werden kann, die sich eine Rechenressource und -struktur teilen können, oder von denen jedes seine eigene dedizierte Rechenressource und - struktur hat, zum Beispiel einen dedizierten unterstützenden Speicher, einen dedizierten Prozessor, eine Stromversorgung usw., wie eine Person mit gewöhnlichen Kenntnissen auf dem Gebiet der Technik verstehen würde, um mit der vorliegenden Offenbarung übereinzustimmen.
-
Gemäß einer Ausführungsform kann die Nutzerschnittstelle 130 die Aufmerksamkeitswarnung für den Fahrer unter Steuerung des DAW-Systems 110 ausgeben.
-
Zu diesem Zweck kann die Nutzerschnittstelle 130 zumindest eine Anzeige zur Anzeige der Aufmerksamkeitswarnung für den Fahrer oder einen Lautsprecher zur Ausgabe der Aufmerksamkeitswarnung für den Fahrer umfassen.
-
Gemäß einer Ausführungsform kann der Speicher 140 verschiedene Informationen speichern, die für die Steuerung benötigt werden.
-
Insbesondere kann der Speicher 140 die von verschiedenen Sensoren im Fahrzeug 10 gemessenen Fahrdaten und das neuronale Netz speichern. Insbesondere kann der Speicher 140 verschiedene neuronale Netze für jeden Fahrer speichern.
-
Zu diesem Zweck kann der Speicher 140 als ein bekannter Typ von Speichermedium bereitgestellt sein, und der Typ des Speichers 140 ist nicht beschränkt.
-
Die einzelnen Komponenten des Fahrzeugs 10 wurden oben beschrieben, und jede der Komponenten kann wie in 1 dargestellt Daten über ein Fahrzeugkommunikationsnetz (NT) senden und empfangen.
-
Im Folgenden wird der Betrieb des DAW-Systems 110 und die Anpassung des Schwellenwerts anhand der Ausgabe des trainierten neuronalen Netzes beschrieben.
-
2 ist ein Diagramm, das ein Beispiel für einen von dem Fahrzeug 10 angezeigten Fahreraufmerksamkeitsgrad gemäß einer Ausführungsform darstellt. 3 ist ein Diagramm, das ein Beispiel für eine Aufmerksamkeitswarnung des Fahrers durch das Fahrzeug 10 gemäß einer Ausführungsform darstellt.
-
Wie in 2 dargestellt, kann das DAW-System 110 gemäß einer Ausführungsform den Fahreraufmerksamkeitsgrad auf Grundlage von Fahrdaten und/oder Bilddaten des Fahrers Ermitteln.
-
Wenn zum Beispiel auf Grundlage der Fahrdaten festgestellt wird, dass das Fahrzeug 10 ungewöhnlich gefahren wird, kann das DAW-System 110 feststellen, dass der Fahreraufmerksamkeitsgrad niedrig ist, und den Fahreraufmerksamkeitsgrad entsprechend dem Grad des Fahrzustands des Fahrzeugs 10 Ermitteln. Zum Beispiel kann das DAW-System 110 feststellen, dass der Fahreraufmerksamkeitsgrad niedrig ist, wenn sich das Fahrzeug 10 innerhalb einer Fahrspur weitgehend in eine seitliche Richtung bewegt oder nach dem Überqueren einer Fahrspur zurückkehrt, ein plötzliches Lenkmuster erkannt wird oder eine kleine Änderung des Lenkmoments anhält.
-
Das Ermitteln des Aufmerksamkeitsgrads des Fahrers durch das DAW-System 110 ist jedoch nicht darauf beschränkt, und es können beliebige bekannte Verfahren zur Ermittlung des Aufmerksamkeitsgrads des Fahrers verwendet werden.
-
Gemäß einer Ausführungsform kann das DAW-System 110 die Nutzerschnittstelle 10 dahingehend steuern, den Fahreraufmerksamkeitsgrad auszugeben.
-
Zum Beispiel kann eine Anzeige 135 der Nutzerschnittstelle 130 ein Diagramm 251, das in Abhängigkeit von dem Grad der Aufmerksamkeit des Fahrers gefüllt wird, oder eine Meldung 253 anzeigen, die den Grad der Aufmerksamkeit des Fahrers qualitativ angibt. Die Anzeige des Aufmerksamkeitsgrads des Fahrers ist jedoch nicht darauf beschränkt, und es kann jede Art von Anzeigeverfahren verwendet werden, sofern ein Nutzer den Fahreraufmerksamkeitsgrad erkennen kann.
-
Gemäß einer Ausführungsform kann das DAW-System 110 die Nutzerschnittstelle 130 derart steuern, dass eine Aufmerksamkeitswarnung ausgegeben wird, wenn der Aufmerksamkeitswert des Fahrers kleiner oder gleich einem Schwellenwert ist.
-
Wie in 3 gezeigt, kann das DAW-System 110 zum Beispiel das Display bzw. die Anzeige 135 der Nutzerschnittstelle bzw. der Benutzeroberfläche 130 derart steuern, dass es eine Warnmeldung für die Aufmerksamkeit des Fahrers 350 anzeigt. Obwohl in 3 nicht dargestellt, kann das DAW-System 110 auch den Lautsprecher der Nutzerschnittstelle 130 ansteuern, um einen Warnton für die Aufmerksamkeit des Fahrers auszugeben.
-
Wenn der Aufmerksamkeitswert des Fahrers kleiner oder gleich dem Schwellenwert ist, kann das DAW-System 110 die Nutzerschnittstelle 130 derart steuern, dass die Aufmerksamkeitswarnung ausgegeben wird, um den Fahrer vor Unaufmerksamkeit zu warnen.
-
In diesem Fall kann die Steuerung 120, wenn eine Differenz zwischen einem über ein neuronales Netz ausgegebenen Fahreraufmerksamkeitswert und einem über das DAW-System 110 ausgegebenen Fahreraufmerksamkeitswert groß ist, den Schwellenwert, der mit dem über das DAW-System 110 ausgegebenen Fahreraufmerksamkeitswert verglichen wird, in abnehmender Richtung einstellen, damit das DAW-System 110 die Fahreraufmerksamkeitswarnung empfindlicher ausgeben kann.
-
Im Folgenden wird das Training des neuronalen Netzes und die Einstellung des Schwellenwerts mit Hilfe des neuronalen Netzes näher beschrieben.
-
4 zeigt ein Beispiel, bei dem ein Fahrzeug gemäß einer Ausführungsform ein neuronales Netz trainiert. 5 zeigt einen Datensatz gemäß einer Ausführungsform.
-
Unter Bezugnahme auf 4 kann die Steuerung 120 gemäß einer Ausführungsform vom DAW-System 110 Fahrdaten, die für eine vorbestimmte Fahrzeit (zum Beispiel 1000 Sekunden) erhalten werden, und einen ersten Fahreraufmerksamkeitsgrad erhalten, der jedem der für die vorbestimmte Fahrzeit erhaltenen Fahrdaten entspricht.
-
In diesem Fall können die Fahrdaten von verschiedenen Sensoren des Fahrzeugs 10 stammen und zumindest einen Zustand des Verlassens der Fahrspur, einen Lenkwinkel, ein Lenkdrehmoment, eine Geschwindigkeit, einen Gaspedalzustand, einen Bremspedalzustand, einen Steuerungszustand eines intelligenten Geschwindigkeitsreglers (SCC), einen Blinkersteuerungszustand, einen Notlichtsteuerungszustand, einen Türöffnungs-/-schließungszustand, einen Sicherheitsgurtanlegezustand, eine Längs-/Seitenbeschleunigung, eine Raddrehzahl, eine Gangstufe oder eine Fahrzeit nach einer Pause umfassen.
-
Gemäß einer Ausführungsform kann die Steuerung 120 einen Datensatz 400 Ermitteln, der die für die vorbestimmte Fahrzeit erhaltenen Fahrdaten und den ersten Fahreraufmerksamkeitsgrad enthält, der jedem der für die vorbestimmte Fahrzeit erhaltenen Fahrdaten entspricht.
-
Wie in 5 dargestellt, kann der Datensatz 400 zum Beispiel Fahrdaten pro Zeit und einen Fahreraufmerksamkeitsgrad (den ersten Fahreraufmerksamkeitsgrad) enthalten, der jedem der Fahrdaten entspricht. In diesem Fall kann der erste Fahreraufmerksamkeitsgrad, wie oben beschrieben, einem Wert entsprechen, der vom DAW-System 110 auf Grundlage der Fahrdaten berechnet wird. Außerdem kann das DAW-System 110 den ersten Fahreraufmerksamkeitswert, der einer abhängigen Variablen entspricht, durch eine vorbestimmte Berechnungsformel unter Verwendung der Fahrdaten als unabhängige Variable Ermitteln.
-
Gemäß einer Ausführungsform kann die Steuerung 120 den Datensatz 400 in zwei Datensätze mit einem vorbestimmten Verhältnis teilen. Zum Beispiel kann die Steuerung 120 ein neuronales Netz 145a mit einem ersten Datensatz trainieren, der einen vorbestimmten Anteil (zum Beispiel 70 %) des Datensatzes 400 ausmacht, und eine Genauigkeit eines trainierten neuronalen Netzes 145b auf Grundlage von Fahrdaten eines zweiten Datensatzes Ermitteln, der den ersten Datensatz aus dem Datensatz 400 ausschließt.
-
Mit anderen Worten kann die Steuerung 120 das neuronale Netz 145a mit dem ersten Datensatz als Trainingsdaten trainieren.
-
Da sich das oben beschriebene neuronale Netz 145a auf maschinelles Lernen bezieht, das eine neuronale Struktur modelliert, die in der Lage ist, tiefes Lernen durchzuführen, kann die Zuverlässigkeit des Lernens verbessert werden, da sich ein Gewicht und ein Bias bzw. eine Vorspannung, die eine Komponente des neuronalen Netzes 145a sind, kontinuierlich ändern. Das heißt, das neuronale Netz 145a aktualisiert kontinuierlich die Gewichtung, die Vorspannung und eine Aktivierungsfunktion, die in dem neuronalen Netz 145a enthalten sind, basierend auf den Fahrdaten und dem ersten Fahreraufmerksamkeitsgrad, der gemäß den Fahrdaten ermittelt wird, wodurch ein Inferenzergebnis des neuronalen Netzes 145a verbessert werden kann. Hierbei kann das Lernen zum Beispiel ein überwachtes Lernen sein, bei dem die Fahrdaten eingegeben werden und der entsprechende erste Fahreraufmerksamkeitswert ausgegeben wird.
-
Das neuronale Netz 145a kann ein neuronales Faltungsnetz (CNN) umfassen, das eine Merkmalskarte durch einen Faltungsvorgang in Bezug auf die Fahrdaten erzeugt und die Merkmalskarte in das neuronale Netz 145a eingibt, ohne jedoch hierauf beschränkt zu sein. Das neuronale Netz 145a kann mit anderen Deep-Learning-Algorithmen ausgeführt werden, einschließlich rekurrenter neuronaler Netze (RNNs) und eines Long Short Term Memory (LSTM). Das heißt, der Typ des neuronalen Netzes 145a ist nicht eingeschränkt.
-
Ferner kann die Steuerung 120 das trainierte neuronale Netz 145b unter Verwendung des zweiten Datensatzes als Testdaten testen.
-
Insbesondere kann die Steuerung 120 einen zweiten Fahreraufmerksamkeitswert als Ausgabe des neuronalen Netzes 145b ermitteln, in das die Fahrdaten des zweiten Datensatzes eingegeben werden, und den zweiten Fahreraufmerksamkeitswert mit einem ersten Fahreraufmerksamkeitswert des zweiten Datensatzes vergleichen, um eine Genauigkeit des neuronalen Netzes zu ermitteln.
-
Wenn eine Differenz zwischen dem zweiten Fahreraufmerksamkeitsgrad, das der Ausgabe des neuronalen Netzes 145b entspricht, und dem ersten Fahreraufmerksamkeitsgrad des zweiten Datensatzes kleiner als ein vorbestimmter Wert ist, ermittelt die Steuerung 120, dass die Genauigkeit kleiner als eine vorbestimmte Genauigkeit ist, und kann zumindest eines der Gewichte, die Vorspannung oder die Aktivierungsfunktion des neuronalen Netzes 145b einstellen, um die Genauigkeit des neuronalen Netzes 145b zu erhöhen.
-
So teilt das Fahrzeug 10 den Datensatz 400 in zwei Datensätze auf, trainiert das neuronale Netz 145a mit einem einzigen Datensatz und testet das trainierte neuronale Netz 145b mit dem anderen Datensatz für ein erneutes Training, wodurch die Genauigkeit des neuronalen Netzes 145b verbessert wird.
-
Gemäß einer Ausführungsform trainiert die Steuerung 120 das neuronale Netz 145a zu jeder vorbestimmten Fahrzeit, so dass das neuronale Netz 145a kontinuierlich trainiert werden kann.
-
Gemäß einer Ausführungsform kann die Steuerung 120 auch ein neuronales Netz trainieren, das einem aktuellen Fahrer entspricht und auf neuronalen Netzinformationen für jeden Fahrer basiert.
-
6 zeigt ein Beispiel, bei dem das Fahrzeug 10 gemäß einer Ausführungsform die von dem DAW-System 110 und dem neuronalen Netz 145b ausgegebenen Fahreraufmerksamkeitsgraden vergleicht. 7 zeigt einen Unterschied im Aufmerksamkeitsgrad des Fahrers, das von jedem DAW-System 110 und dem neuronalen Netz 145b gemäß einer Ausführungsform ausgegeben wird.
-
Unter Bezugnahme auf 6 kann die Steuerung 120 gemäß einer Ausführungsform einen zweiten Fahreraufmerksamkeitsgrad auf Grundlage einer Ausgabe des neuronalen Netzes 145b zu den Fahrdaten ermitteln. Das heißt, dass das neuronale Netz 145b auf Grundlage von Fahrdaten zu einem entsprechenden Zeitpunkt als Eingabe einen Fahreraufmerksamkeitswert ausgeben kann, der den Fahrdaten entspricht.
-
Gemäß einer Ausführungsform kann die Steuerung 120 den zweiten Fahreraufmerksamkeitsgrad, der durch die Ausgabe des neuronalen Netzes 145b ermittelt wird, mit einem ersten Fahreraufmerksamkeitsgrad vergleichen, der durch das DAW-System 110 ermittelt wird.
-
In diesem Fall kann die Steuerung 120 einen Schwellenwert in abnehmender Richtung einstellen, wenn die Anzahl der Male, an denen die Differenz zwischen dem ersten Fahreraufmerksamkeitsgrad und dem zweiten Fahreraufmerksamkeitsgrad größer oder gleich einem vorbestimmten Wert ist, größer oder gleich der vorbestimmten Anzahl von Malen ist.
-
Insbesondere kann die Steuerung 120, wenn ein Zustand eintritt, bei dem die Differenz zwischen dem ersten Fahreraufmerksamkeitsgrad und dem zweiten Fahreraufmerksamkeitsgrad größer oder gleich dem vorbestimmten Wert ist, einen Zählwert um 1 erhöhen, und wenn der Zählwert größer oder gleich der vorbestimmten Anzahl von Malen ist, den Schwellenwert in abnehmender Richtung einstellen.
-
Zum Beispiel kann, wie in 7 gezeigt, der Zählwert ansteigen, wenn der Zustand, in dem die Differenz zwischen dem ersten Fahreraufmerksamkeitsgrad und dem zweiten Fahreraufmerksamkeitsgrad größer oder gleich dem vorbestimmten Wert ist, kontinuierlich aufrechterhalten wird, und wenn der Zählwert größer oder gleich der vorbestimmten Anzahl von Malen ist, kann der Schwellenwert in einer absteigenden Richtung eingestellt werden.
-
In diesem Fall kann der Zählwert in vorbestimmten Zeitabständen aktualisiert werden. Zu diesem Zweck kann die Steuerung 120 den ersten Fahreraufmerksamkeitsgrad mit dem zweiten Fahreraufmerksamkeitsgrad zu jedem vorbestimmten Zeitpunkt (zum Beispiel 30 Sekunden) vergleichen.
-
In bestimmten Ausführungsformen kann die Steuerung 120 den Zählwert auch initialisieren, wenn der Fahrer gewechselt oder das Fahrzeug 10 ausgeschaltet wird, und den Zählwert im Laufe der Zeit in einer abnehmenden Richtung einstellen, um einen momentanen Anstieg des Zählwerts zu erkennen.
-
Nachfolgend werden Ausführungsformen eines Steuerungsverfahrens für das Fahrzeug 10 gemäß einem Aspekt der Offenbarung beschrieben. Das Fahrzeug 10 gemäß den oben beschriebenen Ausführungsformen kann in dem Steuerungsverfahren des Fahrzeugs 10 verwendet werden. Dementsprechend kann die obige Beschreibung mit Bezug auf die 1 bis 7 gleichermaßen auf das Steuerungsverfahren des Fahrzeugs 10 anwendbar sein.
-
8 ist ein Ablaufdiagramm, das die Vorgänge des Trainings des neuronalen Netzes 145a in einem Steuerungsverfahren des Fahrzeugs 10 gemäß einer Ausführungsform veranschaulicht.
-
Gemäß einer Ausführungsform von 8 kann das Fahrzeug 10 Fahrdaten und einen ersten Fahreraufmerksamkeitsgrad entsprechend den Fahrdaten (810) empfangen. In diesem Fall kann das Fahrzeug 10 die Fahrdaten und den ersten Fahreraufmerksamkeitsgrad, der den Fahrdaten (810) entspricht, abrufen, bis eine vorbestimmte Fahrzeit verstrichen ist (Ja in Vorgang 820).
-
Das heißt, das Fahrzeug 10 kann die Fahrdaten, die von dem DAW-System 110 für die vorbestimmte Fahrzeit (zum Beispiel 1000 Sekunden) empfangen werden, und den ersten Fahreraufmerksamkeitsgrad, der jedem der für die vorbestimmte Fahrzeit empfangenen Fahrdaten entspricht, über das DAW-System 110 empfangen.
-
Anschließend kann das Fahrzeug 10 gemäß einer Ausführungsform den Datensatz 400 ermitteln, der die für die vorbestimmte Fahrzeit erhaltenen Fahrdaten und den ersten Fahreraufmerksamkeitsgrad (830) enthält.
-
Gemäß einer Ausführungsform kann das Fahrzeug 10 das neuronale Netz 145a mit einem ersten Datensatz trainieren, der einem vorbestimmten Verhältnis des Datensatzes 400 (840) entspricht, und eine Genauigkeit des trainierten neuronalen Netzes 145b auf Grundlage von Fahrdaten eines zweiten Datensatzes unter Ausschluss des ersten Datensatzes aus dem Datensatz 400 (850) Ermitteln.
-
In diesem Fall kann das Fahrzeug 10, wenn die Genauigkeit des trainierten neuronalen Netzes 145b geringer ist als ein vorbestimmter Wert (Ja in Vorgang 860), zumindest eines von einem Gewicht, einer Vorspannung oder einer Aktivierungsfunktion des neuronalen Netzes 145b einstellen, um die Genauigkeit des neuronalen Netzes 145b zu verbessern (870).
-
Insbesondere kann die Steuerung 120 einen zweiten Fahreraufmerksamkeitswert als Ausgabe des neuronalen Netzes 145b Ermitteln, in das die Fahrdaten des zweiten Datensatzes eingegeben werden, und den zweiten Fahreraufmerksamkeitswert mit einem ersten Fahreraufmerksamkeitswert des zweiten Datensatzes vergleichen, um die Genauigkeit des neuronalen Netzes zu ermitteln.
-
Wenn eine Differenz zwischen dem zweiten Fahreraufmerksamkeitsgrad, das der Ausgabe des neuronalen Netzes 145b entspricht, und dem ersten Fahreraufmerksamkeitsgrad des zweiten Datensatzes kleiner als der vorbestimmte Wert ist, bestimmt die Steuerung 120, dass die Genauigkeit kleiner als eine vorbestimmte Genauigkeit ist, und kann zumindest eines der Gewichte, die Vorspannung oder die Aktivierungsfunktion des neuronalen Netzes 145b einstellen, um die Genauigkeit des neuronalen Netzes 145b zu erhöhen.
-
So teilt das Fahrzeug 10 den Datensatz 400 in zwei Datensätze auf, trainiert das neuronale Netz 145a mit einem einzigen Datensatz und testet das trainierte neuronale Netz 145b mit dem anderen Datensatz für ein erneutes Training, wodurch die Genauigkeit des neuronalen Netzes 145b verbessert wird.
-
In diesem Fall trainiert das Fahrzeug 10 das neuronale Netz 145a bei jeder vorbestimmten Fahrzeit, so dass das neuronale Netz 145a kontinuierlich trainiert werden kann.
-
In manchen Ausführungsformen kann das Fahrzeug 10 auch ein neuronales Netz trainieren, das einem aktuellen Fahrer entspricht und auf neuronalen Netzinformationen für jeden Fahrer basiert.
-
9 ist ein Ablaufdiagramm, das die Vorgänge zur Verringerung eines Schwellenwerts gemäß einer Ausführungsform zeigt.
-
Gemäß einer Ausführungsform aus 9 kann das Fahrzeug 10 Fahrdaten und einen ersten Fahreraufmerksamkeitsgrad empfangen, der den Fahrdaten (910) entspricht.
-
Gemäß einer Ausführungsform kann das Fahrzeug 10 einen zweiten Fahreraufmerksamkeitsgrad basierend auf einer Ausgabe des neuronalen Netzes 145b zu den Fahrdaten (920) ermitteln und den ersten Fahreraufmerksamkeitsgrad und den zweiten Fahreraufmerksamkeitsgrad (930) vergleichen.
-
Gemäß einer Ausführungsform kann das Fahrzeug 10, wenn eine Differenz zwischen dem ersten Fahreraufmerksamkeitsgrad und dem zweiten Fahreraufmerksamkeitsgrad größer oder gleich einem vorbestimmten Wert ist (Ja in Vorgang 940), einen um 1 zu erhöhenden Zählwert steuern (950). Ferner kann das Fahrzeug 10, wenn der Zählwert größer oder gleich der vorbestimmten Anzahl von Malen ist (Ja in Vorgang 960), einen Schwellenwert des DAW-Systems 110 in eine abnehmende Richtung einstellen (970). In diesem Fall kann der Zählwert in vorbestimmten Zeitabständen aktualisiert werden. Zu diesem Zweck kann die Steuerung 120 den ersten Aufmerksamkeitswert des Fahrers mit dem zweiten Aufmerksamkeitswert des Fahrers zu jedem vorbestimmten Zeitpunkt (zum Beispiel 30 Sekunden) vergleichen.
-
Ferner kann das Fahrzeug 10 den Zählwert initialisieren, wenn der Fahrer gewechselt oder das Fahrzeug 10 ausgeschaltet wird, und den Zählwert im Laufe der Zeit in einer abnehmenden Richtung einstellen, um einen momentanen Anstieg des Zählwerts zu erkennen.
-
Wie aus den obigen Ausführungen ersichtlich ist, können das Fahrzeug und sein Steuerungsverfahren einen durch eine Ausgabe eines neuronalen Netzes erhaltenen Fahreraufmerksamkeitsgrad mit einem durch eine Ausgabe eines DAW-Systems erhaltenen Fahreraufmerksamkeitsgrad vergleichen, wodurch eine Fahreraufmerksamkeitswarnung genauer ausgegeben wird.
-
Die Ausführungsformen können daher durch computerlesbaren Code/Anweisungen in/auf einem Medium, zum Beispiel einem computerlesbaren Medium, implementiert werden, um zumindest ein Verarbeitungselement zu steuern, das jede oben beschriebene beispielhafte Ausführungsform implementiert. Das Medium kann ein beliebiges Medium/Medien sein, das die Speicherung und/oder Übertragung des computerlesbaren Codes ermöglicht.
-
Der computerlesbare Code kann auf einem Medium aufgezeichnet oder über das Internet übertragen werden. Der Datenträger kann einen Festwertspeicher (ROM), einen Direktzugriffsspeicher (RAM), Magnetbänder, Magnetplatten, Flash-Speicher und optische Aufzeichnungsmedien umfassen.
-
Obwohl die Ausführungsformen zur Veranschaulichung beschrieben wurden, wird der Fachmann erkennen, dass verschiedene Änderungen, Ergänzungen und Ersetzungen möglich sind, ohne dass der Schutzumfang und der Grundgedanke der Offenbarung verlassen werden. Daher wurden die Ausführungsformen nicht zu einschränkenden Zwecken beschrieben.
